21世紀 COE プログラム「究極と統合の新しい基礎科学」(大阪大学)
COEセミナー：　人工知能の基本問題と情報論的学習理論

日時:　2006年10月31日(火)
場所:　 大阪大学中之島センター 佐治敬三メモリアルホール
招待メール持参で、参加無料

１．人工知能学会 第64回 人工知能基本問題研究会 (SIG-FPAI)　2日目

●招待講演その2(11:00-12:00)：
  「情報統計力学の深化と展開〜情報学でも“More is different”！〜」
   樺島祥介(東工大)

「More is different（量が増えれば質が変わる）」とは，
対象を細かく分解して調べる要素還元論的方法による物事の理解には
限界がある，という趣旨を表す際にモノの科学で用いられる標語です．
ミクロな要素の基礎法則が与えられたとしても，それらが沢山集まっ
てできるマクロな集合体の振る舞いは簡単にはわからない．自然の多
様性を理解するには，第一に“沢山あること”への着眼が大切であり
基礎法則の解明に加えてミクロとマクロを橋渡しする統計力学的なも
のの見方が不可欠になる．自然科学におけるこのような視点を情報学
にも導入しようとする試みが最近盛んになりつつあります．本講演
では，簡単な例を交えながら情報学において“沢山あること”を
意識することで見えてくる不思議さや面白さについてお話します．

２．第9回情報論的学習理論　IBIS 2006　1日目

●オーガナイズド・セッション「確率モデルと集団最適化」（13：00−15：45）
オーガナイザー：赤穂昭太郎
赤穂昭太郎（産総研）「確率モデルと集団最適化入門」
伊庭斉志（東大）「確率的学習と進化論的手法の統合」
鈴木譲（阪大）「GAにおける交差や突然変異の役割は本質的ではない」

●特別講演(16:00-17:00) 司会：麻生英樹(産総研）
Heinz Muehlenbein (Fraunhofer Institut Autonomous intelligent Systems) 
Estimation of Distribution Algorithms and Induction

   Estimation of Distribution Algorithms (EDA) have been proposed as
   an extension of genetic algorithms. In this paper the major design
   issues of EDA's are discussed within a general interdisciplinary
   framework, the \emph{maximum entropy} approximation. Our
   algorithm FDA assumes that the function to be optimized is
   additively decomposed (ADF). The interaction graph G_{ADF} is used
   to create exact or approximate factorizations of the Boltzmann
   distribution. The relation between FDA factorizations and the
   MaxEnt solution is shown. We also discuss LFDA which learns a Bayesian
   network from data and the Bethe-Kikuchi approximation.